C10 证据记录

1. 执行环境

字段	记录
核对方式	五脚本流水线（Python 抽取与修复、R 建规则、Python 校验），产物为三份机器可读 JSON
执行日期	2026-07-28（案例化整理；原始抽取为 2026-03）
地区	常德市
DRG/DIP	DIP
规则版本	2026 年 DIP 目录库
数据级别	实测数据（抽取与校验过程记录，非官方发布的目录数据）
产品依赖	无。全部由脚本与源文件产出

2. 来源与其限制

项	记录
来源形态	随通知下发的目录附件 + 政策 PDF（7 页）
文号	无。未取得对应发文文号
直达链接	无

案例的价值在方法与校验，不在目录数据本身。具体条目与分值以当地正式文件为准。

3. 脚本链与职责

脚本	行数	职责
extract_*_pdf.py	288	PDF 与附表 → 8 张结构化表
fix_*_export_encoding.py	90	还原 Python 侧产物中的 <xx> 十六进制转义
fix_*_r_exports.py	76	还原 R 侧导出 xlsx/json 中的同类问题
build_*_rules.R	535	目录 → 规则包（含区间行展开）
verify_*_rules.py	239	36 项校验，输出机器可读结果

两个修复脚本是被问题倒逼出来的，不是一开始的设计。这一点写进了案例正文——它本身就是结论。

路径检查：五个脚本均使用 Path(__file__).resolve().parent 定位，无本机绝对路径，可直接迁移复跑。

4. 复跑记录

日期	动作	结果
2026-03	首次抽取	8 张表结构完整、行数正确，但中文为 <e5><b8><b8> 形式的十六进制转义
2026-03	编码修复	Python 侧产物还原正常
2026-03	R 侧导出后复查	同类字符问题再次出现，追加导出修复脚本
2026-03	区间行处理	79 行区间展开为 6742 行，跳过已存在 1422 行，最终 15381 行
2026-03	36 项校验	36 项全过，0 失败
2026-07-28	案例化复核	三份验证 JSON 数值一致；脚本无绝对路径

5. 关键数值对账

抽取原始     8718 行
区间行          79 行
展开生成      6742 行
跳过已存在    1422 行
最终目录     15381 行

分类计数交叉验证：

综合 8166 + 核心 6269 + 基层 946 = 15381   ✓
综合按操作范围：BSZL 2066 + D 2066 + T 2066 + S 1968 = 8166   ✓

两个求和关系同时成立，是抽取未错位的强证据——任何一处错行，这两个和都会对不上。

6. 公开与隐私检查

• 无患者身份信息——本案例只涉及目录编码、分值与校验计数
• 无医院可识别信息
• 无账号、密钥、令牌、生产配置
• 无本机绝对路径（五个脚本均已确认）
• 未公开源 PDF 与目录原文，仅公开抽取流程与校验计数

7. 已知边界

• 36 项检查对应这份目录的 8 张表结构，换一份目录需要重新定检查项。
• 校验只能证明"没有被检出的错误"。未做全量病例回归——那是形态二，本案例只覆盖形态一（抽取校验）。
• 区间展开的对账关系已验，但未逐条追踪每个区间展开成了哪些编码。若要用于映射，需再做一次逐条核对。
• 政策正文 7 页转 markdown 后未做逐句校对，只核了页数。
• 未核实源 PDF 是否为该年度最终版本。